人工智能如何预测森林火灾？加拿大研究人员给出了解决方案（paper）
地震、洪水、森林大火等自然灾害可以在短时间内造成巨大的人员伤亡和财产损失。据数据显示，近年来全球自然灾害的数量和所造成损失都在上升。
如果能够有效地预测自然灾害、做好准备工作，将能够大大降低灾害的影响。而自然灾害的成因往往又是非常复杂的。面对纷繁复杂的影响因素，人工智能能否帮助我们进行预测？近期加拿大研究人员的工作给出了一个方向。
去年，加拿大阿尔伯塔省的麦克默里堡森林大火迫使超过90万人从家中撤离，造成了37.7亿美元的保险损失，是加拿大历史上造成最多保险损失的自然灾害。
阿尔伯塔大学的科学家希望利用人工智能的力量去保护艾伯塔省不再受到森林大火的侵害。阿尔伯塔大学和俄克拉荷马大学的森林科学研究人员编写了一个模仿人脑的计算机模型，用以预测艾尔伯塔省北部的野外大火。
这个模型被称为 “自组织地图”（Self-Organizing Map, SOM），依靠原始气象数据生成预测。
据该项研究的作者之一、阿尔伯塔大学再生资源系教授Mike Flannigan说，随着时间的推移，在没有指导或外部干预的情况下，程序也可以从原始数据中“学习”、寻找模式，并进行实时预测。
这一研究项目可以帮助阿尔伯塔省建立早期预警系统，使得一线工作人员更好地调配资源，为可能的疏散做准备。
“在极端的干、热、多风天气下，野外大火的影响很大，” Flannigan说。“早期预警系统可以提供情报，为可能发生的情况做准备。”
Flannigan还强调，该项研究项目比起其它统计模型来说考虑了更多复杂因素，预测更为稳健。这也是该类模型首次被用作预测大火。
“我们在应用这个自组织地图，它采用的是神经网络技术，模仿我们大脑神经元传递信息和学习。”
加拿大阿尔伯塔省平均每年有1500场野外大火，去年的麦克默里堡大火是影响最大的一起。加拿大全境的野外大火平均每年烧毁200万公顷的土地，大部分破坏是在短短几天的极端天气下造成的。
尽管火势的蔓延和更大范围内的天气状况有关，但更好的预测可以是我们防御未来灾害的第一线。
“大火的形成需要三个条件：燃料，例如树木、灌木或者草；点火的人或者闪电；以及干、热、多风的天气。如果我们能更好地预测这些极端的因素，我们就能做更充分的准备，” Flannigan说道。
经过三年的研究和测试，该项研究已基本成熟，但Flannigan表示，研究还需要一段时间才能应用到第一线。
“可能还需要几年时间进行研究，我已经准备好进行更多的工作，我希望阿尔伯塔省和其它的机构也对此感兴趣。”
Paper：《从天气模式自动预测阿尔伯塔省北部的极端大火》
http://suo.im/404atn
★推荐阅读★
长期招聘志愿者
加入「AI从业者社群」请备注个人信息
添加小鸡微信 liulailiuwang
相关内容
微信扫码咨询专知VIP会员